مطالعات جدید در حوزه مدل‌های عصبی‌محاسباتی مدل مغزی جدیدی ارایه کرده است که با شناخت چگونگی توسعه مهارت‌های شناختی می‌تواند راه را برای توسعه هوش مصنوعی دارای شعور و ادراک هموار سازد.
یک مطالعه جدید مدل عصبی محاسباتی جدیدی از مغز انسان را ارائه می‌کند که ممکن است چگونگی توسعه مهارت‌های شناختی پیچیده مغز و پیشرفت تحقیقات هوش مصنوعی عصبی را روشن کند. یک تیم بین المللی از دانشمندان انستیتو پاستور و دانشگاه سوربن در پاریس، موسسه هوش مصنوعی میلا کبک و دانشگاه مونترال این مطالعه را انجام دادند.
این مدل که روی جلد مجله مجموعه مقالات آکادمی ملی علوم ایالات متحده آمریکا (PNAS) ارائه شده است، توسعه عصبی را در سه سطح سلسله مراتبی پردازش اطلاعات توصیف می کند:
اولین سطح حسی-حرکتی بررسی می کند که چگونه فعالیت درونی مغز الگوها را از ادراک می آموزد و آنها را با عمل مرتبط می کند.
سطح شناختی بررسی می کند که چگونه مغز به طور متناوب آن الگوها را ترکیب می کند.
در نهایت، سطح خودآگاه در نظر می‌گیرد که چگونه مغز از دنیای بیرون جدا می‌شود و الگوهای آموخته‌شده را (از طریق حافظه) دستکاری می‌کند که دیگر قابل ادراک نیستند.
تاکید این مدل بر تراکنش بین انواع بنیادین یادگیری، آگاهی دانشمندان را در باره مکانیسم‌های بنیادین زیربنای شناخت یا ادراک (cognition) افزایش می‌دهد. این مدل سه وظیفه افزایش پیچیدگی در آن سطوح، از شناخت بصری تا دستکاری شناختی مفاهیم آگاهی را حل می‌کند. تیم تحقیقاتی هر بار یک مکانیسم مرکزی را معرفی کرد تا آن را قادر به پیشرفت بسازد.
نتایج این تحقیق دو مکانیسم بنیادین برای توسعه چندسطحی توانایی‌های شناختی در شبکه‌های عصبی بیولوژیک را مورد تاکید قرار می‌دهد.
گیوم دوما، یکی از اعضای تیم، استادیار روانپزشکی محاسباتی، گفت: «مدل ما نشان می‌دهد که چگونه هم‌گرایی عصبی-AI مکانیزم‌های بیولوژیکی و معماری‌های شناختی را برجسته می‌کند که می‌تواند به توسعه نسل بعدی هوش مصنوعی کمک کند و حتی در نهایت منجر به آگاهی مصنوعی شود.»
این تیم معتقد است تثبیت مدل‌های محاسباتی آینده در واقعیت‌های زیست‌شناختی و اجتماعی نه تنها به روشن کردن مکانیسم‌های اصلی شناخت ادامه می‌دهد، بلکه به ایجاد پلی منحصر به فرد برای هوش مصنوعی به سمت تنها سیستم شناخته‌شده با آگاهی اجتماعی پیشرفته کمک می‌کند.
یک مطالعه جدید مدل عصبی محاسباتی جدیدی از مغز انسان را ارائه می‌کند که ممکن است چگونگی توسعه مهارت‌های شناختی پیچیده مغز و پیشرفت تحقیقات هوش مصنوعی عصبی را روشن کند. یک تیم بین المللی از دانشمندان انستیتو پاستور و دانشگاه سوربن در پاریس، موسسه هوش مصنوعی میلا کبک و دانشگاه مونترال این مطالعه را انجام دادند.
این مدل که روی جلد مجله مجموعه مقالات آکادمی ملی علوم ایالات متحده آمریکا (PNAS) ارائه شده است، توسعه عصبی را در سه سطح سلسله مراتبی پردازش اطلاعات توصیف می کند:
اولین سطح حسی-حرکتی بررسی می کند که چگونه فعالیت درونی مغز الگوها را از ادراک می آموزد و آنها را با عمل مرتبط می کند.
سطح شناختی بررسی می کند که چگونه مغز به طور متناوب آن الگوها را ترکیب می کند.
در نهایت، سطح خودآگاه در نظر می‌گیرد که چگونه مغز از دنیای بیرون جدا می‌شود و الگوهای آموخته‌شده را (از طریق حافظه) دستکاری می‌کند که دیگر قابل ادراک نیستند.
تاکید این مدل بر تراکنش بین انواع بنیادین یادگیری، آگاهی دانشمندان را در باره مکانیسم‌های بنیادین زیربنای شناخت یا ادراک (cognition) افزایش می‌دهد. این مدل سه وظیفه افزایش پیچیدگی در آن سطوح، از شناخت بصری تا دستکاری شناختی مفاهیم آگاهی را حل می‌کند. تیم تحقیقاتی هر بار یک مکانیسم مرکزی را معرفی کرد تا آن را قادر به پیشرفت بسازد.
نتایج این تحقیق دو مکانیسم بنیادین برای توسعه چندسطحی توانایی‌های شناختی در شبکه‌های عصبی بیولوژیک را مورد تاکید قرار می‌دهد.
گیوم دوما، یکی از اعضای تیم، استادیار روانپزشکی محاسباتی، گفت: «مدل ما نشان می‌دهد که چگونه هم‌گرایی عصبی-AI مکانیزم‌های بیولوژیکی و معماری‌های شناختی را برجسته می‌کند که می‌تواند به توسعه نسل بعدی هوش مصنوعی کمک کند و حتی در نهایت منجر به آگاهی مصنوعی شود.»
این تیم معتقد است تثبیت مدل‌های محاسباتی آینده در واقعیت‌های زیست‌شناختی و اجتماعی نه تنها به روشن کردن مکانیسم‌های اصلی شناخت ادامه می‌دهد، بلکه به ایجاد پلی منحصر به فرد برای هوش مصنوعی به سمت تنها سیستم شناخته‌شده با آگاهی اجتماعی پیشرفته کمک می‌کند.
کد خبر ۲۱۵۰۱۰۸۲۴.۰۰۴
